手机站 广告联系

9553资讯

是炒作还是现实?人工智能究竟如何颠覆财税和审计行业?

来源:网络整理 作者:科技新闻网 人气: 发布时间:2018-05-18
摘要:《经济学人》杂志曾通过调查罗列了未来20年最有可能被机器人抢走饭碗的岗位。排名靠前的包括低端制造业的生产、销售、会计等。在大多数人还认为人工智能离我们还

广告位API接口通信错误,查看德得广告获取帮助

《经济学人》杂志曾通过调查罗列了未来20年最有可能被机器人抢走饭碗的岗位。排名靠前的包括低端制造业的生产、销售、会计等。在大多数人还认为人工智能离我们还有些远的时候,人工智能在财税和审计领域的应用已经开始全球范围进行大范围的试水和应用。

威科集团(Wolters Kluwer),这家超过180年历史的百年老店,一直以来致力于为包括财税、审计、法律、金融和医疗的专业人士提供解决方案的供应商。

9月20日,由荷兰威科集团主办的2017威科国际财税论坛中国峰会上,威科集团财税与会计事业部首席技术官和资深副总裁布莱尔.迪芬(Brian Diffin)和以《人工智能

和机器学习在全球财税行业的应用》为题,分享了威科在财税领域人工智能的最新发展趋势。威科集团财税审计事务部产品管理副总裁巴斯.克尼佛斯特(Bas Kniphorst)展示了威科集团人工智能和机器学习的先进创新产品CCH iQ。

会后,36氪对布莱尔.迪芬(Brian Diffin)和巴斯.克尼佛斯特(Bas Kniphorst)进行了专访。

是炒作还是现实?人工智能究竟如何颠覆财税和审计行业?

以下是访谈内容:

问:威科集团有哪些基于领先技术和云服务的业务板块?

答:威科集团为财税和审计专业人士提供基于云技术的解决方案。我们的客户通过云技术解决方案进行客户管理,保证信息安全。这些云服务包括:

? 随时随地进入业务、项目的智能终端;

? 高效部署任务并轻松添加各类功能和特性;

? 通过高度安全、抗外界干扰和专业管理的IT基础设备保证客户的商业正常不间断运转。

问:AI在财税和审计行业的应用会对整个行业带来什么影响吗?

答:财税和审计专业人员已经开始感受到人工智能和机器学习对其日常工作的改变了。在很多方面,财务和审计确实是人工智能能够发挥作用的典型代表。财税审计行业的特点是有很多结构性的数据,这就为机器学习提供了非常大的便利。未来,传统行业的会计师、税务师将需要提升自己的业务技能,保证自己的能力走在前列,并且开发更多的增值服务。因为基础的数据录入、转录和翻译等工作将会被智能化的系统所取代。

当然,这个行业被人工智能改变主要体现在,将会有更多的工作模式的创新和更有价值的服务,同时入行门槛也将会被改变。从前一位会计师通过计算器、表格、软件去处理数据和报告,用网络进行搜索,但未来随着这些工作的效率大幅提升,对会计师的要求将会史无前例的高。话虽如此,这个行业中“人”的因素并没有消失,会计师将通过人工智能这样的技术为他们的客户提供更有价值的增值服务,换句话说,我们相信人工智能在财税审计这样的服务行业会创造更多的机会和需求。

问:在美国企业财务服务市场中的应用现状是怎样的?在威科集团的商业版图中,AI有哪些具体的应用案例?

答:威科集团代表质量和精准,这也是客户找到并且信任我们的原因。我们的服务无论是从效率和附加值角度都极为有效,基于客户巨大的数据量和智能化的需求,我们通过减轻密集型的手工作业——比如将相关信息进行编译形成可用信息来帮助客户节省时间。

威科集团的CCH iQ 是税务和财务行业领域最早基于人工智能技术的解决方案,重新定义了会计事务所如何利用云技术发展业务。CCH iQ的分析工具匹配上百件年积累下来的税务事件以及该事件可能对客户产生的影响。自动化沟通模块生成一份执行方案,这份方案解释了客户受到特定税务事件的影响,并且提出可行的下一步解决方案,再提示用户如何由此给他再带来新的业务,这些才是给用户的一个完整的方案。

除此之外,我们还看到AI技术在用户支持领域的机会。今天,当一个客户遇到一个问题,它们可能会用到很多网站、文档、设备以及应用去解决问题。这就是客户以及我们客户支持部门工作人员的一个痛点。我们目前正在使用整合了AI和机器学习技术的聊天程序,为客户和内部工作人员提供一份基于彼此没有任何关联的多个数据库和知识库中搜索出来的结果整合起来的一体化信息来应对需要解决问题。

问:威科在中国有哪些竞争者?

答:中国的人工智能技术发展的很快,在美国的大学里,无论是斯坦福还是伯克利,顶尖的学者中到处都是中国人的影子。威科在中国的竞争者,说实话我们还不知道在哪里,目前中国在这个领域有很多新的、小的创业者,他们都非常优秀。如果有机会,我们非常愿意和中国的技术公司合作。

问:在财务和税务服务领域,基于规则的机器学习和神经网络,哪种技术应用的更多?

答:人工智能和机器学习技术发展的十分迅速,但目前机器学习的应用案例明显多于神经网络的应用,主要因为发展成百上千节点的高端神经网络的时间和成本很高。

相比而言,一个基础的机器学习算法可以应用在不同的输出模型中。 输出量越大,机器会变得更聪明更准确。比如,用算法去识别会计单据和税务表格中的变量数据,并且将数据传输到另外一份文件或者合规表格中看起来是非常合理的应用。其中最重要的是有大量的输入数据。

神经网络在财税和审计领域的应用有很多设想,但目前我们仍然要测试这些想法的商业可行性。

责任编辑:科技新闻网
这里设置第三方评论代码

百度新闻独家出品

新闻由机器选取每5分钟自动更新

文章均来源于互联网,如有侵权请联系管理员!
本站邮箱:pinyinaa@126.com